一，投资人：

Lightspeed Faction 和 Tagus Capital 领投，DCG、OKX Ventures 和 Volt Capital 等参投， 800万美元种子轮融资。预种子轮200万美金。

二，项目简介

1.flock是什么

FLock是一个去中心化人工智能培训的 web3 初创公司，旨在为人工智能构建去中心化的隐私保护解决方案。该计划使用区块链作为数据持有者之间的协调平台来进行机器学习，同时数据保持本地和私有。通过用区块链取代收集数据和组织机器学习的中央实体，FLocks 旨在使用户能够从数据中挖掘见解并自行决定货币化。

FLocks 开发一个由联邦学习（一种强调数据隐私的去中心化机器学习方法）提供支持的人工智能培训平台，FLock 使用开放的排行榜来激励机器学习社区的竞争，并赞助为每个模型设定奖励标准的培训任务。

通过支持开发人员、数据科学家和其他专家组成的社区，以社区的方式进行训练，微调，测试，和评估模型，解决数据偏差等问题。训练过程的治理通过区块链实现，自动化，透明不可篡改。

2. 解决了什么问题

目前机器学习领域，存在公众参与度低，缺少隐私，被少数公司控制的问题。异物人工智能的开发一般是被集中控制的，控制，决策，和数据存储都在一个权限中。过度中心化，因此导致想openai这样的闭源大语言模型可以监控所有用户与模型的交互，从而窃取隐私。

同时也受制于算力成本与优质训练集的高昂价格，公众无法进行自己的大模型训练，导致大模型训练被中心化公司垄断。中心化人物干预，造成了chatGPT模型被政治正确控制的事件。

因此FLocks 提供了三种技术产品，人工智能共创平台，Flock SDK ,FLock客户端。

1）人工智能共创品台  它是人们聚集在一起构建、改进和使用模型的地方，将人工智能开发与 Web3 的原则相结合。它允许用户提出模型、贡献数据并在各种应用程序中使用这些模型。 用户可以通过在平台中使用担心训练ai。（白皮书中并未明确表示如何进行ai与区块链技术的结合，只是通过RGA技术调取外界信息训练大模型，简单来说引入了区块链的代币激励模型，激励用户对大模型进行个性化微调）

2）Flock SDK    Flock SDK 是一款功能强大的软件开发工具包，它利用联邦学习和区块链，使数据和计算资源所有者能够使用任何源数据协作训练机器学习模型。通过 Flock SDK，您可以在 Flock 平台上高效定义和启动 ML 训练任务。

主要特点是利用联邦学习的机器学习训练方法，可以在数据所有者本地进行模型训练，训练完成之后再传递回大模型进行数据参数更新。一定程度上保护了数据所有者的隐私，同时数据源共享，训练的参与者会有一套智能合约奖惩机制进行维护，以保证公平和透明。对于用户来说可以通过提供数据源获得激励。而开发者则可以通过支付一定的报酬进行模型的训练与调整。

3）Flock客户端  对接用户使用Flock的各种功能。

3. 目前有哪些模型

RAG Co-creation 平台或 FLock 的 Discord 上尝试定制 GPT。这些 GPT 是为 Web 3 知识库及其他知识库量身定制的。提出与新兴 L2 相关的问题，自动化链上交易、查询或投票等。FLock 训练节点将使用反馈来微调这些 GPT。

目前代理商有比特币GPT,以太坊GPT,X1GPT，ScrollGPT.用户可以创建自己的模型，每个用户每天可以免费与机器人聊天10次。

三，项目方

2022年创立，规模11-50人，公司地点，英国伦敦。

创始人兼首席执行官Jiahao Sun，硕士毕业于牛津大学，曾创立过利用人工智能技术的数字营销公司UiiTech。在Boolv Tech担任CTO（Boolv Tech为电商提供SaaS技术服务，专注数据和人工智能应用），伦敦帝国理工学院人工智能研究员，加拿大皇家财富银行管理公司人工智能总监。在人工智能领域深耕多年。

四，经济模型

用户可以通过为知识库做出贡献获取积分，目前最多100点。以及参与项目的推广活动获取积分，目前对于经济模型还未有过多的信息。

四，相关链接

推特：https: //twitter.com/flock_io

LinkedIn ：https: //www.linkedin.com/company/flock-io/

Discord ：https: //discord.gg/fz5EqH7rhn

电报 :  https: //t.me/flock_io_community

白皮书：https://docs.flock.io/feedback-and-contribution/how-to-contribute

论文集：

N 东，J 孙，Z 王，S 张，S 郑。 （2022）。 FLock：利用区块链防御联邦学习中的恶意行为。被 NeurIPS 2022 研讨会接受。https://arxiv.org/abs/2211.04344

Z Wang，N Dong，J Sun，W Knottenbelt。 （2023）。 zkFL：基于零知识证明的联邦学习梯度聚合。https://arxiv.org/abs/2310.02554

五，总结

Flock基于大语言模型LLM，利用区块链代币激励模型，鼓励用户参与大模型的微调。用户可以为数据库贡献数据获取积分，也可以创建训练自己的个性化微调大语言模型。开发者也可通过开发模型，通过更多人的使用获取一定的激励。

优势：利用区块链代币激励模型，以及智能合约的奖惩机制，获取优质训练集。为开发者提供优质训练集，一定程度上解决了优质训练集价格高昂，被大公司垄断的问题。也在技术上保护了参与大模型交互用户的隐私问题。

劣势：大模型训练微调的优质训练集需求庞大，早期积累用户和足够的训练数据是一个很大的挑战。个人微调模型chatGPT已有相似功能，且目前已有很多开发者在其中部署个人的gpt模型。市场竞争激烈。且相较于传统web2，web3用户数量相差很远。Web2用户则用户教育成本过高，传统的gpt接口，更方便于用户的使用。